区域技术协同创新效率测度及其演变特征研究

崔志新 陈耀

摘 要？演基于DEA-BCC模型和Malmquist指数模型，分别测度2006～2016年京津冀和长三角区域技术协同创新效率及其演变趋势，并对其进行对比分析。研究结果显示：从静态演变趋势来看，2006～2016年京津冀和长三角两个区域的技术协同创新效率平均值处于DEA无效状态，区域内部效率变化分异现象明显，其中京津冀技术协同创新效率低于长三角地区，尤其是津冀两地的效率水平偏低，但这种差距也有逐渐缩小的趋势;从动态演变趋势来看，2006～2016年京津冀和长三角两个区域的技术协同创新效率呈现快速增长的趋势，总体来看，技术进步是效率提升的重要动力源泉，但在不同阶段，部分地区也出现了技术效率变化对总效率提升的拉动作用显著。

关键词？演区域技术创新;协同创新效率;DEA-BCC模型;DEA-Malmquist指数模型

[中图分类号]F127[文献标识码] A[文章编号]1673-0461（2019）03-0061-06

一、引 言

技术创新是引领发展的第一动力，是区域实现跨越式发展和可持续发展的基本路径。统计显示，2016年京津冀和长三角两个区域专利申请受理数分别为35万件和119.8万件，两个区域的专利总量占到全国的一半，其中，京津冀的专利数不足长三角地区的三成。从多主体协同创新角度，京津冀和长三角两个区域多主体合作专利数分别为4 188件和11 592件，长三角地区合作专利数约为京津冀的2.8倍。可见，总体上京津冀地区技术创新水平低于长三角地区。然而，从区域创新发展均衡性来看，长三角地区技术创新能力及创新单元分布相对均衡，但京津冀地区技术创新能力存在明显的极化现象和梯度差异，这也为京津冀区域技术协同创新创造了发展机遇。在这些创新发展背景下，随着区域创新发展上升为国家战略以来，区域技术协同创新发展步伐加快，探讨区域内主体之间协同创新行为，以及未来应该如何改善主体创新要素使得区域技术协同创新和发展更加合理高效成为热点话题。

学术界有关区域技术创新及协同创新效率的研究：吕荣杰，张冰冰，张义明（2018）[1]以2013～2015年北京技术输出到国内其他30个省份为研究对象，对北京跨区域技术转移效率的系统性影响研究。董登珍，林晓霞，龚明（2018）[2]通过构建以研发资本存量作为创新投入变量建立省级区域技术创新指标体系，运用数据包络分析方法对我国30个省级区域2004～2015年的技术创新效率进行测算与比较分析，研究结果表明：考虑研发资本存量后，可以显著考察到前期的研发资本投入对当期的技术创新活动的影响。刘汉初，樊杰，周侃（2018）[3]利用阿尔蒙法分布滞后模型引入科技创新的滞后效应，并采用可变规模报酬VRS模型，评估中国30个省域单元的科技创新有效的累计投入规模和创新效率，结果表明：中国科技创新投入规模呈现出“沿海—内陆”的极大差距，区域间科技创新投入差距已经大于经济发展水平的差距;科技创新效率的空间分异明显，高效率单元集中在北京、天津、上海、浙江、广东等发达省份，科技创新效率在区域层面上总体呈现由东向西梯度递减规律。Kuhlmarm（2004）[4]基于制度层面提出，区域协同创新体系应包括区域内的行政系统、企业系统、教育系统、研究系统以及创新环境5个要素。Sun & Cao（2015）[5]构建区域创新框架，将区域协同创新分解为区域内部的和区域之间两种协同类型，采用二维度象限分析框架分析区域研究协同。吴传清，黄磊，文传浩（2017）[6]运用DEA-Malmquist指数和面板Tobit模型对2008～2014年长江经济带技术创新效率进行了测度及影响因素分析，研究发现：长江经济带技术创新效率呈上升趋势，但仍有部分省市创新资源配置不合理未能实现DEA有效;上中下游地区技术创新效率分异显著，呈典型“V型”分布，上下游地区较高而中游地区较低。邵汉华，钟琪（2018）[7]利用SBM-DEA模型测算了2001～2015年我国30个省的协同创新效率，通过构建空间计量模型和门槛面板模型，实证检验了研发要素流动对协同創新效率的影响及其中的非线性调节作用，研究发现：各区域协同创新效率整体明显提高，并趋向于均衡发展，但存在一些省份在高水平聚拢和低水平集聚。陈怀超等（2018）[8]采用Malmquist指数对中部6省产学研创新效率进行评价，研究发现，河南、安徽和湖南地区产学研三大主体创新效率均得到提升，湖北、江西和山西三大主体创新效率并未全部得到提升。魏国江（2018）[9]通过建立空间计量模型，测算我国产学研不同主体主导的协同创新效率发现，各主体创新更多依靠自主研发，对外部经费投入的创新效率均较低;高校在协同创新中作用最弱，研究机构效果最佳;企业协同创新的空间扩散能力最差，高校在三者中距离扩散最远。

总体上，学术界大多数研究成果是对区域技术创新的研究，而关于区域技术协同创新的研究更多是倾向于企业、高校、研究机构等多主体协同创新行为的理论分析，未能阐述区域技术协同创新效率及其及其演变特征。本文借鉴现有研究成果，选取占据我国创新近半水平的京津冀和长三角两个区域，采用DEA-BCC模型和DEA-Malmquist指数模型，从静态和动态两个层面探讨京津冀和长三角两个区域技术协同创新效率及其演变特征。

二、研究方法

（一）DEA-BCC模型

本文采用的是规模报酬可变BCC模型。具体计算过程如下：

假设有n个决策单元，每个决策单元都有m种的投入变量x1j，x2j，…，xmj和s种的产出变量y1j，y2j，…，ysj，且=1满足的约束条件，其中λj≥0，j=1，2，...，n。具体模型如下：

通过该模型可以计算出区域技术协同创新的静态效率，可分解成技术协同创新纯技术效率和规模效率，其中，综合效率=纯技术效率×规模效率。

（二）DEA-Malmquist指数模型

为了更好地研究区域技术协同创新的效率，本文采用了Malmquist指数来研究区域技术协同创新随时间推移而产生的动态变化。Malmquist指数可以分解为技术效率和技术进步两个指数，其中技术效率指数还可以进一步分解為纯技术效率和规模效率两个指数。Malmquist指数模型如下：

其中，y为区域技术协同创新产出，x为区域技术协同创新投入，d为距离函数，t和t+1代表时期。当指数大于1表示相应效率的改进，而小于1则表示相应效率退步。

三、效率测评实证分析

（一）指标选择及数据来源

区域技术协同创新效率主要是基于要素投入和成果产出的研究思想来测算的。在要素投入方面，选取每万人口拥有大学毕业生数、普通高等学校/机构数量、规上工业企业新产品开发经费与销售收入之比、规上工业企业有R&D活动的企业数占比和全社会R&D投入强度等作为投入指标;在成果产出方面，选取高校、企业、研究机构等多主体合作的专利数量作为产出指标。本文重点研究了2005～2016年京津冀和长三角两个区域的技术协同创新效率，其中以2005年为基准年，文中所利用的数据主要来源于《中国统计年鉴》《中国科技统计年鉴》、京津冀和长三角各省市的统计年鉴、国家知识产权局专利检索数据等。

（二）京津冀和长三角技术协同创新效率评价

1.静态效率结果分析

依据投入导向型BCC模型，利用DEAP2.1软件测算出2006～2016年京津冀和长三角区域技术协同创新静态效率（综合效率），具体结果如表1所示。

（1）区域层面。从横向比较来看，京津冀和长三角两个区域整体的效率水平均处于DEA无效状态，但长三角的技术协同创新效率平均值为0.846，尤其是2016年达到0.961，接近DEA有效状态，远高于京津冀的效率水平，约为京津冀的2倍。从纵向比较来看，尽管2006～2016年京津冀和长三角各省市的技术协同创新效率平均值均小于1，但总体上呈上升的态势，尤其是2013年以来上升趋势明显，说明在京津冀协同发展战略、长江经济带战略和创新驱动发展战略的深入布局下，大力推进区域创新资源有效配置，区域内主体间协同创新取得一定进展，但由于区域创新资源发展不平衡不充分问题依然突出，致使京津冀和长三角各省市的技术协同创新效率仍处于DEA无效的状态，区域技术协同创新效率仍有待提升。

（2）省市层面。从横向比较来看，北京、上海、江苏、浙江4个省市的技术协同创新效率平均值大于0.9，接近达到DEA有效的状态，说明这些地区借助研发投入的驱动，充分利用知识型人力资本、企业及科研院所的创新资源，促使区域技术协同创新效率保持较高的水平;安徽的技术协同创新效率平均值为0.506，而2016年的效率值达到0.926，接近DEA有效的状态，表现出从DEA无效向DEA有效快速过渡的状态;天津和河北两个省市的技术协同创新效率的平均值表现出DEA无效的状态，主要是因为这些省市的创新资源不足、创新能力不强，企业与研究院所等主体的技术需求与供给不匹配，故造成了这些地区的创新资源配置效率偏低，区域内主体间协同意愿不高。从纵向比较来看，北京和浙江的技术协同创新效率，除个别年份稍低之外总体上处于DEA有效的状态;天津、江苏和安徽3省市的技术协同创新效率呈上升态势，其中天津的技术协同创新效率处于DEA无效状态，而江苏从2009年开始达到了DEA有效的状态，安徽从2015年开始也临近DEA有效的状态;河北的技术协同创新效率呈波动发展态势，处于DEA无效状态;上海的技术协同创新效率呈先下降后上升态势，前期表现出从DEA有效向DEA无效变化，但到2016年出现临近DEA有效的状态。

2.动态效率结果分析

依据投入导向型Malmquist指数模型，利用DEAP2.1软件测算出2006～2016年京津冀和长三角区域技术协同创新动态效率（Malmquist效率指数），及2006～2010年、2010～2013年、2013～2016年三个阶段的区域技术协同创新动态效率，具体结果如表2所示。

（1）区域层面。2006～2016年京津冀和长三角技术协同创新Malmquist效率指数值均大于1，且京津冀技术协同创新Malmquist效率指数值低于长三角的指数值，约低0.077;京津冀和长三角两个区域的技术协同创新要素生产率分别提升了25.1%和32.8%;这些说明京津冀和长三角两个区域的技术协同创新效率整体处于上升趋势，一定程度上反映了两个区域的创新效率有明显改善。对Malmquist效率指数进一步分解发现，技术进步是促使区域技术协同创新要素生产率提升的主要因素，而纯技术效率指数值始终处于1，故总体上技术效率的提升主要是由规模效率提升的带动。

分阶段来看，在2006～2010年、2010～2013年、2013～2016年三个时间段内京津冀和长三角技术协同创新Malmquist效率指数值均大于1，技术协同创新要素生产率在三个时间段内分别提升了41.2%、30.4%和11.6%，其中，在2006～2010年和2010～2013年两个时间段内，京津冀技术协同创新Malmquist效率指数值低于长三角的指数值，分别约低0.141和0.135，而在2013～2016年时段内京津冀技术协同创新Malmquist效率指数值则高于长三角的指数值，约高0.009。对Malmquist效率指数进一步分解发现，技术进步是促使区域技术协同创新要素生产率提升的主要因素，尤其是在2013～2016年时段内京津冀的技术进步指数明显比长三角区域高，说明自京津冀协同发展战略实施以来，京津冀技术协同创新效率取得了显著改进;纯技术效率指数值始终处于1，说明相应的效率没有得到改进;而促使三个时间段内技术效率的提升主要是由规模效率提升的带动。

（2）省市层面。2006～2016年京津冀和长三角各省市的技术协同创新Malmquist效率指数值均大于1，即各省市的技术协同创新效率出现增长;其中，安徽的技术协同创新Malmquist效率指数值最高，即安徽的技术协同创新效率增长最快，达到49.9%;相比，北京的技术协同创新Malmquist效率指數值最低，但也增长了17%。参照Malmquist效率指数分解结果，分析技术进步是促进各省市技术协同创新效率变化的主导因素，特别是增长最快的安徽，其技术进步每年增长24.2%，而增长相对较慢的北京每年也增长了17%;技术效率变化属于辅助推动要素，总体来看，除上海的技术效率指数值为0.999之外，各省市的技术效率指数值均大于1，对技术效率进一步分解发现，各省市的技术效率指数值均为1，而引起技术效率的变化主要是规模效率变化所引起的，其中，安徽的规模效率变化最大，每年增长了20.8%，而上海的规模效率每年降低了0.1%，除此之外的各省市规模效率也均出现不同程度的提升。

分阶段来看，在2006～2010年、2010～2013年、2013～2016年三个时间段内京津冀和长三角两区域各省市的技术协同创新Malmquist效率指数值均大于1，总体上各省市的技术协同创新效率处于上升的状态。

在2006～2010年时间段内，各省市技术协同创新Malmquist效率指数值从大到小依次为安徽、河北、江苏、浙江、天津、上海和北京，其中安徽较北京和上海分别高0.768和0.715，分别约为北京和上海的1.6倍和1.5倍，说明地区技术协同创新效率增长速度呈现区域创新分异化趋势，一定程度上也反映了地区技术创新的不平衡不充分问题得到缓解。Malmquist效率指数分解结果显示，在北京、天津、上海、江苏和浙江地区，技术进步是驱动地区技术协同创新效率提升的主导因素，而技术效率变化也对地区技术协同创新效率提升起到了辅助作用;在河北和安徽地区，技术效率的变化是驱动地区技术协同创新效率提升的主导因素，而技术进步则发挥辅助作用。对技术效率进一步分解发现，北京、上海的技术效率指数值均是1，说明两地的技术协同创新效率提升主要是由于技术进步的变化推动的;江苏的纯技术效率指数为1.001，规模效率指数为1.093，两者均在技术效率提升中发挥了作用;而天津、河北、浙江和安徽的纯技术效率变化均为1，技术效率提升主要依靠规模效率变化来拉动的。

在2010～2013年时间段内，各省市技术协同创新Malmquist效率指数值从大到小依次为安徽、江苏、浙江、天津、北京、上海和河北，其中安徽较河北高0.321，约为其1.3倍。Malmquist效率指数分解结果显示，尽管技术进步是驱动地区技术协同创新效率提升的主导因素，但除了北京和上海之外，各省市的技术效率变化也发挥了重要的作用，对这些地区的技术效率进一步分解发现，规模效率变化是拉动技术效率提升的重要要素。

在2013～2016年时间段内，各省市技术协同创新Malmquist效率指数值从大到小依次为天津、北京、浙江、上海、江苏、安徽和河北，其中天津较河北高0.19，各省市的技术协同创新效率增长速度较2006～2010年和2010～2013年两个时间段内的地区创新分异化趋势有所放缓，但区域分异化态势依然存在。Malmquist效率指数分解结果显示，安徽技术协同创新效率提升是由技术效率变化推动的，每年增长12.4%;而其余各省市的技术协同创新效率提升是则由技术进步推动的，其中天津和上海规模效率的变化也是推动技术协同创新效率提升的重要因素，对其技术效率进一步分解发现，这两地的规模效率变化作用显著，每年分别增长7.8%和2.8%。

综上可知，京津冀和长三角两区域各省市的技术协同创新效率呈现快速增长趋势，总体来看，技术进步是效率提升的重要动力源泉，但在不同阶段，部分地区也出现了技术效率变化对总效率提升的拉动作用显著，同时，尽管区域的创新分异现象明显，但在一定程度上随着技术创新快速提升的同时，创新要素配置效率也在不断改进。

四、结论与建议

（一）主要结论

本文通过构建区域技术协同创新投入和产出指标体系，利用DEA-BCC模型和Malmquist指数模型分别测算出了2006～2016年京津冀和长三角两区域技术协同创新效率静态演变趋势和动态演变趋势。

从静态演变趋势来看，2006～2016年两个区域的技术协同创新效率均处于DEA无效状态，其中京津冀技术协同创新效率低于长三角地区，但这种差距呈现缩小的趋势。在各省市方面，地区技术协同创新效率发展趋势中，长三角地区的技术协同创新效率相比更接近DEA有效状态，其中，江苏和浙江已达到DEA有效状态，而上海和安徽接近DEA有效状态;京津冀地区仅北京的效率自2013年开始达到DEA有效状态，而天津和河北的仍处于DEA无效状态。

从动态演变趋势来看，2006～2016年京津冀和长三角两个区域的技术协同创新效率呈现快速增长的趋势，其中京津冀技术协同创新Malmquist效率指数值低于长三角地区，从增长动力方面来看，技术进步是主要因素，规模效率改变是辅助因素。在2006～2010年、2010～2013年、2013～2016年三个时间段内，2013～2016年京津冀继续协同创新效率增速出现快于长三角地区的趋势，两个区域的技术协同创新效率差距有所缩小。在各省市方面，总体上各省市的技术协同创新效率均呈现上升的趋势，其中，安徽的技术协同创新效率增速最快，且在2006～2010年期间处于增速最快阶段，而尽管北京的技术协同创新效率增速相比较慢，但在2013～2016年期间增速得到明显提升，增长了15.3%。总体上，各省市的技术协同创新要素生产效率变动是由技术进步有效变动造成的，但同时规模效率变动也是另一个重要因素。

（二）建议

第一，加速高质量基础平台建设，充分引导区域技术创新要素有效流动。研究结果显示：京津冀和长三角两个区域的技术协同创新效率尽管处于上升的趋势，但区域技术协同创新效率差异显著，区域创新要素不平衡不充分问题突出，恰恰加速区域技术创新要素实现高效流动是解决这种突出问题突破口。引进培育高水平、国际化的基础研究机构，作为区域创新与可持续发展的重要支撑;加大财税金融政策扶持，设立技术协同创新专项发展资金，运用风险补偿等措施，集中优势创新资源，加快推进科技攻关，着力引导区域内创新资源要素合理配置。

第二，完善技术创新市场体系，为创新主体营造更为良好的知识产权保护环境。研究结果显示：京津冀和长三角两个区域的技术协同创新效率处于DEA无效状态，需要进一步提升技术创新要素生产率和管理效益。加强技术创新市场监管，充分利用市场化的力量提升区域技术水平和协同创新效率，推动技术创新成果转化;加强知识产权保护力度，激发技术创新市场主体的活力，探索多主体知识产权共赢机制。

第三，建立区域科技创新资源共享机制，实现跨区域、跨主体多层级交互。研究结果显示，京津冀和长三角两个区域的创新要素资源协同配置和利用水平仍有待进一步提升。可以充分借鉴如深圳市建立的科技资源共享机制，利用科技管理信息系统，实现大中型科研仪器设备向社会开放共享;建设一批开放式的重大科技设施、创新载体和服务平台，其中政府建设的科技基础设施，以及利用财政资金购置的重大科学仪器设备成本价开放，企业、科研机构等其自有科研设施鼓励资源开放共享。

收稿日期：2018-12-03

网络出版网址：http：//kns.cnki.net/kcms/detail/13.1356.F.20181212.1636.002.html 网络出版时间：2018-12-14  08：51：56

基金项目：中国博士后科学基金面上资助项目《京津冀区域技术创新协同度测评及其提升要素研究》（2017M621007）;中国社会科学院京津冀协同发展智库课题《京津冀协同发展指数跟踪评价研究》（2018G07）;国家社会科学基金一般项目《京津冀协同发展的阶段效果评价研究》（18BGL273）。

作者简介：崔志新（1985-），女，满族，河北秦皇岛人，管理学博士，中国社会科学院工业经济研究所博士后、京津冀协同发展智库研究人员，研究方向为区域经济、企业管理;陈耀（1958-），男，中国社会科学院工业经济研究所研究员、博士生导师，中国区域经济学会副理事长兼秘书长，研究方向为区域经济、产业经济。

[1] 吕荣杰，张冰冰，张义明. 跨区域技术转移效率前因组态研究[J]. 科学学研究，2018，36（11）：1986-1994.

[2] 董登珍，林晓霞，龚明. 湖北省技术创新效率评价——基于研发资本存量角度[J]. 科技管理研究，2018（16）：81-87.

[3] 刘汉初，樊杰，周侃. 中国科技创新发展格局与类型划分——基于投入规模和创新效率的分析[J]. 地理研究，2018，37（5）：910-924.

[4] KUHLMARM S. Euronpean/German Effects and Policy Evaluation in Regional Innovation[C]// International workshop on comprehensive review of S&T basic plans in Japan： Towards the effective benchmarking of intergrated S&T policy. Tokyo： NISTEP， 2004： 1-25.

[5] SUN YUTAO， CAO CONG. Intra-and inter-regional research collaboration across organizational boundaries： evolving patterns in China[J]. Technological forecasting & social change， 2015， 96： 215-231.

[6] 吴传清，黄磊，文传浩. 长江经济带技术创新效率及其影响因素研究[J]. 中国软科学，2017（5）：160-170.

[7] 邵汉华，钟琪. 研发要素空间流动与区域协同创新效率[J]. 軟科学，2018，32（11）：120-129.

[8] 陈怀超，张晶，费玉婷，范建红. 中部六省产学研创新效率对省域创新的影响——基于Malmquist指数与灰色关联度的分析[J]. 科技进步与对策，2018，35（20）：137-143.

[9] 魏国江. 产学研协同创新效率与空间扩散能力——不同主体主导的影响差异[J]. 产业经济评论，2018（9）：37-49.